新疆渭-库绿洲棉花种植面积遥感监测研究

2014-04-16玉苏甫买买提吐尔逊艾山买合皮热提吾拉木

农业现代化研究 2014年2期

玉苏甫·买买提，吐尔逊·艾山，买合皮热提·吾拉木

（1.新疆师范大学地理科学与旅游学院，新疆乌鲁木齐830054；2.新疆维吾尔自治区农业资源区划办公室，新疆乌鲁木齐830004）

棉花是世界性的经济作物，也是我国重要的经济作物之一。棉花面积及长势信息是棉花生产管理的重要依据，是决定棉花产量的关键因素之一[1]。长期以来,棉花种植总面积估算主要是通过逐级统计汇总上报或抽样调查，逐级统计汇总方法受人为主观因素的影响较大，而抽样调查方法的准确性依赖抽样的样本数量[2]。遥感技术可以快速有效地监测大面积作物的种类、特性、产量、长势等信息，并已得到了广泛的应用[1,3-6]。目前遥感监测已成为作物种植面积调查的重要技术和方法[7-11]。

从1994年起，新疆成为我国最大产棉区和最大的商品棉基地[12]。2011年统计数据显示，渭-库绿洲棉花面积分别占全疆棉花面积及阿克苏地区棉花面积的8.56%及38.2%，产量分别占8.41%及40.34%，是新疆主要的棉花生产区域之一。同时，该研究区地处塔里木盆地北部，年降水量少，也是终年以晴天为主的典型区域，非常有利于卫星遥感监测的应用和大面积的提取作物类型评价。因此，本文基于前期遥感应用研究基础，以渭干河—库车河三角洲绿洲为例，应用2011年9月Landsat TM遥感数据，用遥感、地理信息技术对研究区棉花种植面积提取进行研究，为新疆棉花面积的调查提供方便、实用、经济的方法，促进遥感技术在新疆棉花监测、生产科学决策与管理中的应用。

1 材料和方法

1.1 区域介绍

渭干河-库车河三角洲绿洲（以下简称渭-库绿洲）位于新疆维吾尔自治区南部的塔里木盆地中北部,北起秋里塔格山,南接塔里木河北岸,东与轮台、尉犁县相邻,西与温宿县接壤,是典型而完整的山前冲洪积扇平原[13]。地理坐标：81°28′30″~84°05′06″E，39°29′51″~42°38′01″N，南北长约322 km，东西宽约194 km，平均海拔920-1100m，在行政上隶属阿克苏地区管辖，包括库车、沙雅、新和3个县，土地总面积为53500 km2，土地利用类型主要包括农田、林地、荒地、草滩、盐碱地等[14]。渭-库绿洲属大陆性暖温带极端干旱气候[15-17]。光热资源丰富、降水少、蒸发量大，多年平均降水量51.6mm，适宜于棉花种植[18-19]。

1.2 野外调查方法

考察范围为库车、新和、沙雅三县。为了准确摸清研究区棉花种植面积，充分利用了2011年在研究区的2次野外调查数据。野外调查时间分别为2011年9月14-18日和11月8-13日。通过野外考察，掌握并收集了研究区的景观、土地利用状况、农作物种植模式、作物分布、排灌条件、水文地质条件、地形地貌状况。地面调查采取路线调查与样方调查相结合的方法。第一次野外调查期间利用GPS采集了98个遥感图象解译与验证点，第二次野外调查期间采集了107个点。样方调查主要布设各类地面棉花种植样方50多个，为棉花种植面积提取提供遥感图像解译标志，验证棉花种植面积遥感解译结果。同时，收集了研究区1∶10万和1∶5万地形图及其矢量化数据、2001年土地利用图、2011年棉花种植面积统计数据等资料。

2 数据预处理

2.1 野外采集数据处理

样方点及解译标志点数据导入GIS软件，进行坐标转换、属性输入、格式转换等处理；同时建立研究区景观照片库，为下一步图像解译做准备。

2.2 图像校正

图1 研究区解译标志点及样方图

本研究利用的遥感图像为2011年9月6日的Landsat TM。利用已有的1∶5万地形图及GPS野外调查采集数据为参考，利用ERDASIMAGINE9.2软件对研究区遥感影像进行了坐标转换、几何及辐射校正。几何校正时，在图上选取对应的地面控制点(GCP)，采用用户输入坐标方式对实验区的数据进行几何精校正。GCP的选取原则是：有一定的数量保证，均匀分布在整个校正区域内，具有明显的精确的定位识别标志，以保证精度。影像进行校正时，按照几何校正的要求，误差大于1个像元的GCP点进行删除，共删除11个GCP点，保证最后剩下误差小于一个像元的23个GCP点。

2.3 图像增强

图像增强主要是对经过校正之后的影像图进行线性拉伸、灰度变换等增强处理，使图像清晰，易于识别。按照增强的信息内容可分为波谱特征增强、空间特征增强、以及时间信息增强三大类。棉花信息提取主要考虑对植被敏感的波段进行组合分析。本文依照野外调查经验及棉花信息提取经验，首先对研究区TM图像进行了4、3、2波段组合，这种组合较其它组合效果好，影像上棉花纹理较清晰。然后采用直方图均衡化将影像进行线性拉伸和滤波等增强处理，使棉花信息得到增强，获得最佳目视效果的遥感图像。经过图像增强处理后，依据研究区主要行政边界裁切图像，获取渭-库绿洲区遥感影像。

3 棉花种植面积遥感监测流程

3.1 选点依据

研究区内主要土地利用类型有耕地、林地、草地、水体、盐碱地、沙漠、砂砾地、山体等。这些地物具有很好的可分性。其中，研究区内棉地与其它作物的分离是本研究的重点及难点。因此，本文采用已经处理好的遥感图像与实地调研得到的GPS定位点及照片库等专题数据，结合研究区作物类型、波普与空间分布特征，进行选点。

图1是在野外调查过程中所记录的解译标志点及农作物样方图。图中不同代码表示不同地物类型。其中1300表示棉花地、6000表示房屋、1103表示小麦、1800表示蔬菜、1901表示其他作物、4000表示林地、3000表示果园。

3.2 种棉地分类系统的确立

本文在种棉土壤的分类标准上，依据棉花地光谱特征信息，制定了研究区种棉地土壤信息分类系统（表1）。

表1 遥感影像的分类标准

图1和表1显示，9月份B4、B3、B2波段组合的TM图像，不同地物表现出不同的波普与纹理特征。按照不同地物的这些特征，在一定程度上可以确定不同地物的分类标准。

3.3 信息提取

参照GPG定点解译标志点及农作物地面样方数据对不同农作物的光谱差异进行比较分析，找出作物种类。使用已处理好的TM数据，并与2011年野外调查数据相结合，参照已制定的研究区遥感图像种棉土壤信息分类系统，在ERDASIMAGINE9.2软件对TM影像进行非监督分类。非监督分类是在没有先验类别知识的情况下，主要根据像元间相似性的大小进行归类合并，来划分地物类别。考虑研究区实际情况及按照已有的经验，本研究首先设置了40个分类，然后进行归类合并，初步得到了研究区棉花面积；最后使用人工目视解译并结合野外实地调查，对所提取的棉花信息进行修改，得到了研究区准确的棉花面积信息。

3.4 信息提取精度

精度检验是遥感图像分类过程中一项不可缺少的工作。通过精度分析，可以定量获取分类结果的可靠性。本研究在以下几个方面对研究区棉花信息提取精度进行了验证。

首先选取用GPS布设的20个棉花样方，分别计算每一个样方内的棉花面积。同时研究区遥感影像分类图上扣除，对应每一个样方的区域，并计算棉花面积。最后将每一个样方内的棉花面积与遥感得到的结果一一对比分析。

4 结果与分析

4.1 渭-库绿洲棉花种植分布

利用遥感、地理信息技术对研究区棉花种植面积及空间分布进行了分析。结果表明，通过遥感手段得到的研究区棉花种植面积为155210.01 hm2，其中库车县、新和县、沙雅县的棉花面积分别为 54536.69 hm2、37737.47 hm2、62935.85 hm2。渭-库绿洲棉花主要集中分布于研究区西南和南边沿塔里木河北边的新开垦地，少量零散在中部和北部（图2）。

图2 研究区棉花信息提取结果图

4.2 渭-库绿洲棉花种植面积提取精度分析

2011年研究区棉花统计面积为147493.33 hm2，遥感手段得到的棉花面积为155210.01 hm2，二者面积相差7716.67 hm2，提取精度为94.77%（表2），提取精度较高。分别用库车县、新和县、沙雅县边界矢量图，在分类好的影像上裁切各县界内的棉花种植区域并统计相应种植面积，然后与相应年份的统计面积进行了对比。库车县、新和县、沙雅县棉花种植信息提取精度分别为92.16%、93.19%和97.83%。

表2 2011年棉花种植面积提取精度分析

通过样方和解译标志点的精度验证显示，20个样方范围内，面积误差最大是17.21%，最小是0%，20个点的平均误差6.23%。200个棉花解译标志点中，191个点在遥感图像分类结果图上准确分为棉花地。

5 结论

根据TM图像的光谱与纹理特征，TM图像的4、3、2波段组合对研究区棉花的识别较好。渭-库绿洲棉花种植面积主要集中分布于研究区西南和南边沿塔里木河北边的新开垦地，少量零散在中部和北部，总体信息提取精度达到了94.77%。研究区域棉花种植面积的估算精度无论在空间上或数量上误差均比较小，分类所得的棉花在空间上分布规律与渭-库绿洲棉花分布规律比较吻合，是一个提取棉花种植面积的有效手段。

渭-库绿洲农作物种类较多、种植结构复杂，棉花和其他作物的识别容易误分，导致棉花信息提取精度的降低。因此，后续研究应加强棉花与其他作物的精细识别与分类研究，并结合农作物种植结构信息，进一步提高棉花种植面积信息遥感提取的精度。

[1]李敏,赵庚星,李百红.基于遥感的乡镇级棉花面积提取与长势监测研究[J].山东农业大学学报 (自然科学版),2011,42(4):533-538.

[2]马众模,娄径,裴志远,等.长江流域棉花种植面积变化遥感监测——以安庆市和池州市为例[J].合肥工业大学学报(自然科学版),2005,28(7):738-742.

[3]除多,德吉央宗,普布次仁,等.藏北草地地上生物量及遥感监测模型研究[J].自然资源学报,2013,28(11):2000-2011.

[4]靳华安,王锦地,柏延臣,等.基于作物生长模型和遥感数据同化的区域玉米产量估算[J].农业工程学报,2012,28(6):162-173.

[5]Yang YH,Fang JY,Pan Y D,etal.Aboveground biomass in Tibetan grasslands[J].JournalofArid Environments,2009,73:91-95.

[6]干友民,成平,周纯兵,等.若尔盖亚高山草甸地上生物量与植被指数关系研究[J].自然资源学报,2009,24(11):1963-1972.

[7]程永政.多尺度农作物遥感监测方法及应用研究[D].解放军信息工程大学博士学位论文,2009,42-50.

[8]温兆飞,张树清,白静,等.农田景观空间异质性分析及遥感监测最优尺度选择：以三江平原为例[J].地理学报,2012,67(3):346-356.

[9]陈思宁,赵艳霞,申双和.基于波谱分析技术的遥感作物分类方法[J].农业工程学报,2012,28(5):154-160.

[10]程永政.河南省冬小麦遥感动态监测研究[J].中国科技成果,2009,(5):55-57.

[11]康晓风,王乃斌,杨小唤.粮食种植面积提取方法的发展与现状[J].资源科学,2002,24(5):8-13.